推荐系统-------------------入门介绍篇

推荐系统

：是以个性化方式帮助用户从极大的搜索空间中快速找到兴趣的对象。
推荐系统的众多算法中，基于内容的推荐与基于领域的推荐在实践中得到了最广泛的应用。

基于领域的算法分为：

**基于用户的协同过滤算法：**从用户的兴趣相似度出发，给用户推荐与其兴趣爱好相似的其他用户喜欢的物品。
**基于物品的协同过滤算法：**给用户推荐和它之前喜欢的物品相似的物品。

基于内容的推荐算法：

是对内容进行分析，建立特征；基于用户对何种特征的内容感兴趣以及分析一个内容具备什么特点来进行推荐。

基于内容的推荐算法基本流程：

一般来说，物品都有一些关于内容的分类，例如书籍有科技，人文，工业等一系列。电影由战争，爱情，动作等一系列，而基于内容的推荐就是根据这些物品的内容属性和用户历史评分或者操作记录，计算出用户对不同内容属性的爱好程度，在根据这下爱好推荐其他秀昂同属性的物品，句个例子：
![](https://img-blog.csdnimg.cn/20201222133051572.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhdGFfY3VyZA==,size_16,color_FFFFFF,t_70)

可以将内容推荐的基本方法归纳为一下3个步骤：
**1》、特征(内容)提取：**提取每个待推荐物品的特征(内容属性)，例如上文中提到电影，书籍，商品的分类标签等。
**2》、用户的偏好计算：**利用一个用户过去的显示评分或者隐式操作记录，计算用户比u同特征(内容属性)上的偏好分数，计算偏好分数的方法，可以直接使用统计特征。
**3》、内容召回：**待推荐物品的特征与用户偏好得分匹配，取出用户最由可能喜欢的物品池，用上面的例子，对于用户A，最有可能喜欢的物品吃是科幻电影的物品池，对于用户B来说最有可能喜欢的物品池是爱情电影的物品池。
**4》、物品排序：**按用户偏好召回物品池，可能一次性挑出很多内容，这个时候我们可以进一步根据这些电影的平均分进行排序，系统可以进一步挑选平均分最高的物品推荐给用户。
通过以上四步，就可以快速构建一个推荐系统，并且基于内容的推荐方法用户易于理解，简单有效，常常和其他推荐方法共同应用与推荐系统。

基于内容的推荐方法的优点：

1》、物品没有冷启动，因为物品的内容特征不依赖与用户数据，勇士推荐出的物品不会存在过于热门的问题。
2》、能为具有特殊兴趣爱好的用户进行推荐。
3》、原理简单，已于定位问题。

基于内容推荐的特征提取：

在上面介绍了内容进行推荐的基础流程，但是这种方法建立在物品已经有明确内容特征的基础上。在真实推荐系统中带推荐的物品往往都会有一些可以描述它的特征，这下特征分为结构化特征与非结构化特征。
**结构化特征：**特征的取值限定在某个区间范围内，并且可以按照定长的格式来表示。

**非结构化特征：**往往无法按固定格式表示，最常见的非结构化数据就是文章，